一種用于慣導姿態(tài)融合加速的智能芯片的制作方法
【技術領域】
[0001]本發(fā)明涉及慣性導航技術領域，尤其涉及一種用于慣導姿態(tài)融合加速的智能芯片。
[0002]
【背景技術】
[0003]航向姿態(tài)參考系統(tǒng)(Attitude Heading Reference System)的解算技術，簡稱姿態(tài)融合技術，是現(xiàn)今導航學領域最為重要和基礎的一項技術，尤其對于慣性導航領域。這個技術的最高訴求就是通過載體攜帶的慣性器件能夠實時的高精確的完成載體在地球坐標系下的姿態(tài)定位。朝著這個方向，基于MEMS慣性器件的姿態(tài)融合技術的實現(xiàn)至今有3種方式:基于MCU (Micro Control Unit)的嵌入式系統(tǒng)的慣導姿態(tài)融合技術；基于MCU與DSP(Digital Signal Processor)級聯(lián)的慣導姿態(tài)融合技術；基于專用集成電路(Applicat1nSpecific Integrated Circuit)芯片固定邏輯的慣導姿態(tài)融合技術。
[0004]在絕大多數(shù)的姿態(tài)融合應用中，誤差的修正往往是最費時耗力的工作，這些誤差包括了慣性器件本身的采集誤差、慣性向量之間的寄生誤差以及計算時的估計誤差，這些消除誤差的運算往往占據了整個姿態(tài)運算過程中超過百分之八十的計算資源，因此，在實際的姿態(tài)融合應用中，精度和速度需要找到一個可以妥協(xié)的平衡點。
[0005]卡爾曼濾波法在數(shù)學上對于誤差消除的計算具有獨特的優(yōu)勢，法國學者Jose-Fermi Guerrero-Castellanos構造的MCU與DSP級聯(lián)的卡爾曼濾波技術在姿態(tài)融合上起到了較好的誤差消除效果，但是更新速度較慢，達不到完全實時的要求。這主要緣于其計算的復雜性，實際上，卡爾曼濾波法在實際的姿態(tài)融合應用中，由于其特征參數(shù)的異變性，往往難于掌握，而且卡爾曼濾波法往往伴隨著極其龐大的計算量，需要付出高昂的計算成本，使用范圍窄。
[0006]英國學者Sebastian 0.H.Madgwick提出的采用梯度極值算法的則是另外一種較為通用的姿態(tài)融合誤差算法，它是一種在于構造慣性向量系統(tǒng)的誤差函數(shù)矩陣，利用誤差矩陣的梯度不斷逼近，最后收斂誤差的方法。這種方法被證明在低頻系統(tǒng)中可以大大的提高速度，在Madgwick的基于MCU的姿態(tài)融合技術中，該方法表現(xiàn)了優(yōu)于卡爾曼濾波的特點。但是，這種基于單CPU的MCU平臺的解算技術，在高頻應用中會表現(xiàn)出明顯的劣勢，不僅如此，同樣由于計算能力的受限，基于MCU的嵌入式慣導姿態(tài)融合技術在精度和速度上還是達不到理想的要求。
[0007]綜合上述兩種姿態(tài)融合技術，即采用純軟件系統(tǒng)和軟件與DSP加速級聯(lián)系統(tǒng)，在更新速度、精度以及成本上比較優(yōu)劣:純軟件系統(tǒng)精度一般、響應速度在低頻下可以，高頻誤差下失真，成本較低；軟件與DSP級聯(lián)系統(tǒng)精度不錯、響應速度不理想，成本較為昂貴。總體來說，兩種方法各有優(yōu)劣，但是都不夠理想，根本原因還是在于兩種技術的計算能力有限。
[0008]本發(fā)明的出發(fā)點在于吸取上述兩種姿態(tài)融合技術的優(yōu)勢，而又避免它們的劣勢。具體來說，本發(fā)明在算法上繼承了梯度極值融合技術的靈活易擴展的優(yōu)點，同時，為了彌補計算能力，采取設計專用的集成電路芯片方案，設計專門的固化的硬件邏輯來解算姿態(tài)融合系統(tǒng)，避免了軟件做法下一條條順序指令集耗時耗力的解算過程。對于專用的集成電路芯片來說，由于硬件門電路邏輯的反應時間在皮秒級的單位上(10-12秒)而微處理器指令集系統(tǒng)的反應時間在微秒級的單位上(10-6秒)，在速度和計算容量上有著近百萬倍的能力提升，速度的提高同時也意味著更新頻率的加快，這樣一來，誤差的收斂會變得更迅速，系統(tǒng)的精度也能得到成比例的提高。本發(fā)明的重點就在于利用專用集成電路芯片的優(yōu)勢彌補計算能力上的缺陷，同時發(fā)揮原有的梯度極值融合算法靈活準確的優(yōu)勢，讓這兩種組織在執(zhí)行姿態(tài)融合應用的時間與空間設計上交錯存在，合作無間，達到最高效的姿態(tài)解算效果。
[0009]因此，提供一種用于慣導系統(tǒng)姿態(tài)融合加速的智能芯片，以提升慣導系統(tǒng)姿態(tài)融合的速度和精度。
[0010]

【發(fā)明內容】

[0011]針對現(xiàn)有技術的不足，本發(fā)明提供一種用于慣導系統(tǒng)姿態(tài)融合加速的智能芯片，以提升慣導系統(tǒng)姿態(tài)融合的速度和精度。
[0012]一種用于慣導姿態(tài)融合加速的智能芯片，所述智能芯片將姿態(tài)解算的梯度極值算法固化成硬件加速邏輯，將軟件解算與硬件加速結合在一起，所述智能芯片按照數(shù)據流的順序從輸入到輸出依次包括:SPI通信接口模塊、四元數(shù)初始化模塊、高速寄存模塊、四元數(shù)更新模塊和四元數(shù)反饋及輸出模塊；
所述SPI通信接口模塊用于所述智能芯片與外部SPI總線的數(shù)據傳輸，所述四元數(shù)初始化模塊用于緩存來自MEMS慣性器件的經由SPI通信接口模塊輸入載體三維慣性向量組數(shù)據并且根據所述三維慣性向量組數(shù)據計算四元數(shù)的初值；所述高速寄存模塊用于對四元數(shù)初始化模塊輸入的歸一化后的三維慣性向量以及初始化的四元數(shù)向量進行高速緩存；所述四元數(shù)更新模塊用于對從高速寄存模塊輸入的慣性向量和初始化四元數(shù)進行姿態(tài)融合，更新四元數(shù)的解并將四元數(shù)的解發(fā)送給四元數(shù)反饋及輸出模塊；所述四元數(shù)反饋及輸出模塊用于對從所述四元數(shù)更新模塊輸入的更新四元數(shù)向量數(shù)據進行重填裝和輸出。
[0013]優(yōu)選地，所述固化成硬件加速邏輯與所述軟件解算并存在同一系統(tǒng)中并結合在一起完成姿態(tài)解算。
[0014]優(yōu)選地，所述SPI通信接口模塊的前端接口與SPI總線插槽連接，外部信號通過SPI串行數(shù)據包的形式進出芯片；所述智能芯片的SPI串行端口用于接收以高速串口傳輸方式經嵌入式系統(tǒng)主板上的SPI插槽的MEMS傳感器所采集的慣性向量組數(shù)據；所述SPI通信接口模塊的后端接口與四元數(shù)初始化模塊連接。
[0015]優(yōu)選地，所述SPI通信接口模塊包括SPI通信核模塊與SPI應用模塊，其中SPI通信核模塊用于執(zhí)行數(shù)據交換的物理層、數(shù)據鏈接層；SPI應用模塊用于管理所述四元數(shù)初始化模塊、所述四元數(shù)反饋及輸出模塊與外部上位機或外部SPI總線、慣性向量存儲單元以及MEMS慣性器件之間的數(shù)據交換。
[0016]優(yōu)選地，所述三維慣性向量包括載體加速度、角速度及磁場強度。
[0017]優(yōu)選地，所述四元數(shù)初始化模塊包括FIFO堆棧模塊、歸一化引擎模塊、歐拉角初始化模塊和歐拉角轉四元數(shù)模塊，所述FIFO堆棧模塊用于緩存從SPI通信接口模塊中獲取的三維慣性向量組數(shù)據并傳輸給所述歸一化引擎模塊和所述歐拉角初始化模塊，所述三維慣性向量組數(shù)據包括載體加速度、角速度和磁場強度，傳輸給所述歐拉角初始化模塊的三維慣性向量數(shù)據包括載體加速度和磁場強度信息；
所述歸一化引擎模塊，用于將從FIFO堆棧模塊得到的三維慣性向量組進行浮點向量的歸一化運算，并將結果傳輸給所述歐拉角轉四元數(shù)模塊和所述高速寄存模塊；傳輸給所述歐拉角轉四元